第一章 人工神經網絡概論
1.1 人工神經網絡發(fā)展概況及其特點
1.2 人工神經網絡在水質信息檢測中的應用背景及其意義
1.3 河流水流模型研究進展及存在問題
1.3.1 國內外水質模型發(fā)展階段
1.3.2 現(xiàn)有水質模型存在的問題
1.3.3 水環(huán)境模擬中的不確定性
1.4 神經網絡在水質評價中的應用研究
1.4.1 水質評價基本方法
1.4.2 人工神經網絡用于地表水環(huán)境質量評價
1.4.3 神經網絡在水質模擬中的應用研究
1.5 神經網絡與水質模擬及水質評價結合的優(yōu)勢
1.6 人工神經網絡在水質信息檢測處理中的應用前景
第二章 人工神經網絡基礎知識
2.1 人工神經網絡概述
2.1.1 生物神經元網絡的基本原理
2.1.2 人工神經網絡的基本原理
2.1.3 人工神經網絡模型
2.2 神經元網絡的學習過程
2.3 神經元網絡的學習規(guī)則
2.3.1 Hebb學習規(guī)則
2.3.2 感知機（Perceptron）學習規(guī)則
2.3.3 Delta學習規(guī)則
2.4 神經元網絡的工作過程
第三章 在水質信息檢測中常用的算法
3.1 人工神經網絡的訓練（學習）
3.2 幾種常用的人工神經網絡算法
3.2.1 誤差反傳訓練算法（Back Propagation，BP）
3.2.2 RBF徑向基函數(shù)神經網絡
3.3 RBF和BP神經網絡的比較
第四章 人工神經網絡在水質信息檢測中的應用
4.1 不同學習算法對BP網絡性能影響的研究
4.1.1 BP網絡的學習算法
4.1.2 水質預測BP網絡的建立
4.2 用最佳學習算法預測黃河水DO濃度
4.2.1 時間序列建模方法
4.2.2 樣本選取及數(shù)據(jù)預處理
4.2.3 交互檢驗訓練法
4.2.4 優(yōu)化與預測
4.2.5 結果與討論
4.2.6 結論
4.3 BP網絡用于黃河水質的預測研究
4.3.1 時間序列建模方法及算法
4.3.2 樣本選取及網絡訓練方法
4.3.3 結果與討論
4.3.4 結論
4.4 用于黃河水質綜合評價的人工神經網絡模型的研究
4.4.1 建立計算模型及訓練樣本
4.4.2 網絡參數(shù)的確立
4.4.3 應用實例
4.4.4 結論
4.5 應用人工神經網絡對黃河甘肅段水質進行分類評價
……
第五章 其他方法在水質檢測中的應用
參考文獻